전기전자/정보통신

뉴럴 네트워크, 최대의 수수께끼
딥러닝을 지원하는 기술 (2)
OKANOHARA Daisuke_2022.5.4_271P

딥러닝(Deep Learning)은 Enldjsks 직감과 기력, 용기가 필요한 야심적 실험에 의해 전진하여 왔다. 대부분의 실험이 실패로 끝나고 있는 가운데, 성공한 실험결과는 그때까지의 통계와 기계 학습의 상식을 무너뜨렸다.

어째서 잘 되었는지 또는 잘 되지 않는가를 많은 연구자가 설명을 해가며, 수년에서 많은 경우는 수십 년의 시간을 들여 이 수수께끼를 풀기 위해 혼신의 힘을 다한다.

이러한 발전의 방법은 실험과학에 가깝게, 처음에는 이유를 모르게 잘 진행되는 실험결과나, 그때까지의 이론과는 모순되는 실험결과가 발견되고, 그 것들을 해명하여 가는 도중에 서서히 수수께끼가 풀려 나간다.

본서는 이 가운데서도 딥러닝의 커다란 두가지 수수께끼의 해명에 대해서 소개한다. 어떻게 학습이 되는 것이며, 어떻게 범용화 되어 가는 것인가이다.

제1장 딥러닝은 무엇인가 – 표현 학습과 테스크 학습
제2장 딥러닝의 최적화 – 어떻게 학습이 되는 것인가
제3장 딥러닝의 범용화 – 어떻게 미지의 데이터를 정확하게 예측하는가
제4장 심층 생성 모델 – 생성을 통하여 복잡한 세계를 이해한다
제5장 심층 강화 학습 – 딥러닝과 강화 학습의 융합
제6장 앞으로의 딥러닝과 인공지능 – 어떻게 발전하여 가는가

-- 끝 --

제1장 딥러닝은 무엇인가 – 표현 학습과 테스크 학습
제2장 딥러닝의 최적화 – 어떻게 학습이 되는 것인가
제3장 딥러닝의 범용화 – 어떻게 미지의 데이터를 정확하게 예측하는가
제4장 심층 생성 모델 – 생성을 통하여 복잡한 세계를 이해한다
제5장 심층 강화 학습 – 딥러닝과 강화 학습의 융합
제6장 앞으로의 딥러닝과 인공지능 – 어떻게 발전하여 가는가